基于Flask的微博话题多标签情感分析系统设计

基于Flask的微博话题情感分析系统设计与实现

一、项目概述

本项目是一个轻量化的微博话题情感分析系统，通过Flask框架整合情感分析模型，实现对微博话题及评论的情感标签识别与结果展示。系统面向普通用户和研究者，提供简单易用的操作界面，支持输入话题和评论后快速获取对应的情感倾向（24种表情标签），并以可视化方式呈现分析结果。

项目目标

实现基于预训练模型的微博文本多标签情感识别
搭建Flask Web服务，支持用户通过网页交互完成分析流程
提供情感结果可视化展示与历史记录管理功能
确保系统在浏览器和移动设备上均能流畅运行

二、技术选型

核心技术栈

后端：Python 3.8+、Flask 2.0+（Web框架）
情感模型：Transformers库（预训练模型调用）、PyTorch（模型推理）
前端：HTML5、CSS3、JavaScript、Chart.js（数据可视化）
数据库：SQLite（用户数据与分析记录存储）
开发工具：VS Code、Postman（API测试）

三、系统设计

功能模块

用户交互模块
- 话题与评论输入界面
- 分析结果展示页面（含情感标签分布图表）
- 历史记录查询页面
情感分析模块
- 文本预处理（清洗、分词、格式转换）
- 预训练模型调用（加载、推理）
- 多标签情感结果解析
数据管理模块
- 用户分析记录存储与查询
- 情感标签数据维护
- 数据库连接与操作封装

核心代码示例

1. Flask后端API

python 复制代码

from flask import Flask, request, jsonify, render_template
import torch
from transformers import BertTokenizer, BertForSequenceClassification

app = Flask(__name__)
# 加载预训练模型与分词器
tokenizer = BertTokenizer.from_pretrained("bert-base-chinese")
model = BertForSequenceClassification.from_pretrained(
    "./emotion_model", num_labels=24
)

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/analyze', methods=['POST'])
def analyze():
    data = request.json
    hashtag = data.get('hashtag')
    comments = data.get('comments')
    text = f"{hashtag}[SEP]{'[SEP]'.join(comments)}"
    
    # 模型推理
    inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)
    outputs = model(**inputs)
    predictions = torch.sigmoid(outputs.logits).detach().numpy()[0]
    
    # 解析结果（筛选概率>0.5的标签）
    emotion_labels = ["微笑", "嘻嘻", "笑cry", ...]  # 24种标签
    result = {
        emotion_labels[i]: float(predictions[i]) 
        for i in range(24) if predictions[i] > 0.5
    }
    
    return jsonify({"success": True, "result": result})

if __name__ == '__main__':
    app.run(debug=True)

2. 前端结果可视化

html 复制代码

<!-- 结果展示页面 -->
<div class="result-container">
    <h3>情感分析结果</h3>
    <canvas id="emotionChart"></canvas>
</div>

<script>
// 使用Chart.js绘制情感分布饼图
function drawChart(emotions) {
    const ctx = document.getElementById('emotionChart').getContext('2d');
    new Chart(ctx, {
        type: 'pie',
        data: {
            labels: Object.keys(emotions),
            datasets: [{
                data: Object.values(emotions),
                backgroundColor: ['#FF6384', '#36A2EB', '#FFCE56', ...]
            }]
        }
    });
}
</script>

四、系统实现与测试

主要页面

首页：提供话题和评论输入表单，支持批量粘贴评论内容
分析结果页：展示情感标签及概率，通过饼图/柱状图可视化分布
历史记录页：列表展示用户过往分析记录，支持重新查看详情

测试要点

文本输入长度限制与格式校验
模型分析响应时间（单条分析≤3秒）
多终端适配（手机、平板、PC浏览器）
数据库记录准确性（查询、删除功能）

五、总结

本系统通过Flask框架快速搭建Web服务，整合预训练模型实现微博话题情感分析，既满足了情感识别的准确性需求，又通过简洁的界面降低了使用门槛。项目可进一步扩展实时数据爬取、情感趋势分析等功能，提升系统实用性。

关键词 ：Flask、情感分析、多标签分类、微博数据、Web系统